图灵奖得主、美国康乃尔大学教授、中国科学院外籍院士约翰霍普克罗夫特（2018年7月18日，JOH
机器学习是人工智能领域的一个研究方向。Hopcroft教授介绍了机器学习在人工智能中的应用原理、意义和实践，并深入分析了人工智能对教育的影响。
“智能时代”真的到来了吗？
可能还需要40年才能取得突破。
霍普克罗夫特教授回顾了人工智能的发展，指出信息革命将从根本上改变我们的社会，就像农业革命和工业革命一样，它将对我们的生活产生巨大影响，它将减少人力的投入并创造更多的产品和服务。
假设未来只有25%的人需要工作，如何鼓励其他人参与更有价值的活动就成了一个重要问题。目前，人工智能主要基于大量数据支持的模式识别。
而真正的智能可能还需要40年才能取得真正的突破。
深度学习是机器学习的一个分支，是一种“更深入”的机器学习。研究人员正在尝试建立一个神经网络架构，该架构类似于大脑神经元的模型，但它只是一个简单的模型，因为人脑的结构非常复杂，无法完全复制。
深度学习研究希望机器模仿人脑解释数据的机制。“深度”是指在这种模式下有多少层网络连接。
研究人员发现，一个单一的水平可以做一些基本的事情，如计算和算法。随着模型中层次的加深，计算效果越来越好。人脑学习有成千上万个层次，仍然无法解释为什么更多的层次会使学习变得更好。
但是研究表明结果是这样的。
人工智能如何帮助教育？
教育的核心是“爱和关怀”
国际教育技术领域有一个著名的“乔布斯之问”。为什么计算机几乎改变了所有领域，但对学校教育的影响却出奇的小？霍普克罗夫特教授认为教育是一件非常复杂的事情，有研究者提出“用人工智能取代教师”。
但这可能会失去教育中最重要的因素。在谈及人工智能等新技术与教育的关系时，他介绍了一项美国教育社会实验。经过20年的跟踪研究，实验发现真正帮助学生成功的关键因素并不是教材和知识本身。
但是老师的关心。他指出，教育的核心点是“爱与关怀”，一切技术都是辅助手段，只是为教育提供了更完善、更优化的渠道和方法。
霍普克罗夫特教授建议促进和鼓励研究人员在大学进行人工智能研究。首先，让年轻学者认识到研究是一件非常有趣的事情。这是因为人工智能的基础科学研究非常重要，这与实践研究不同。
基础科学研究的动力主要来自于研究人员对某一研究领域和问题的好奇心。如果仅靠传统的项目经费和论文数量驱动，往往很难产生更高效的成果。其次，研究机构特别是基层研究单位要转变研究观念。在许多大学里，
基层研究单位是研究机构的基础，它们将承担更多的基础研究工作。应该让研究人员感到他们正在努力研究他们感兴趣的课题，而不仅仅是为了完成项目。也许不是所有的研究都有很高的价值，
但我们正在培养下一代研究人员，其中一些人将带来根本性的变化。近20年来，中国人工智能研究在数量和竞争力上取得了长足进步，下一步的重点是提高研究质量。
更多前沿教育资讯请咨询美国专家老师17710313373~~
